一種水下仿生探索機器人的設計

摘要：設計了一種水下仿生探索機器人，旨在應對復雜水下環境中的探索任務。機器人參考螃蟹的生理結構，采用STM32F103單片機作為控制核心，以機械臂、儲物倉、耐壓艙、探照燈、攝像頭、推進電機、機械足等為外部組件，通過數據手套精確控制機械臂動作，實現水下自主行走、搜尋目標和拾取貨物等功能，可有效執行探測、偵察、定位、救援、垃圾清理等特定任務。重點闡述了如何利用開源計算機視覺庫（open source computer vision library，OpenCV）圖像拼接算法來實現水下圖像的拼接和優化，以獲得更廣闊的水下視野，提升機器人水下作業的精度和效率。

關鍵詞：水下機器人；機械臂；SIFT 算法；圖像拼接

中圖分類號：TP242.6 文獻標識碼：A

0 引言

21世紀，海洋問題成為全球關注的焦點，各國紛紛將發展海洋經濟、保護海洋環境以及維護自身海洋權益等作為本國發展戰略的重要內容[1]。然而，海洋環境復雜多變，人類在水下作業時面臨著巨大的挑戰，如高壓、低溫、低照度環境以及水流等，水下機器人的出現為人類探索海洋提供了一種高效、安全的解決方案。在國外，一些發達國家推出了多款成熟的水下機器人，如美國的ABE、英國的Autosub系列、加拿大的Theseus 等[2]。在國內，水下機器人的相關研究雖然起步較晚，但發展速度較快。例如，2012年6月，中國科學院沈陽自動化研究所自行設計、自主集成研制的“蛟龍”號載人潛水器，成功實現世界首次水下7000m 深度的自動定向、定深、定高、定速和懸停定位等5 種全自動航行控制功能，創造了世界同類型載人潛水器的最大下潛深度紀錄。本文設計的水下仿生探索機器人借鑒國內先進的仿生學理念，采用基于深度學習的機器視覺技術，為水下探索提供可靠的技術支持。

1 水下仿生探索機器人結構與組成和系統功能

1.1 機器人結構與組成

水下仿生探索機器人的機械結構設計參考了螃蟹的生理結構，如圖1 所示。該機器人采用可拆卸的開架式設計，便于更換系統設備和調試部件。機器人主體選用高強度、耐腐蝕的鋁合金和碳纖維復合材料。耐壓艙采用圓柱形結構與平板封頭，具有結構簡單、抗壓能力強、內部空間大、防水效果好等優點。6 只機械足模仿螃蟹胸足結構的設計，使機器人能夠在不平坦的水底泥沙環境中保持平衡。電源采用電壓為24 V、容量為3 A·h的防水鋰電池，續航時間至少為2 h（可根據任務復雜度進行調整）。

如圖2 所示， 機器人組成主要包括主控系統（STM32F103 核心處理單元）、輔控系統（數據手套輔控系統）、浮力控制與推進系統（推進系統電機）、收集系統（機械臂舵機）、視覺系統（OpenMV4 A 和OpenMV4 B）等。

1.2 系統功能

1.2.1 主控系統

主控系統內置于耐壓艙，選擇內核為32 位高性能ARM Cortex-M3 處理器、工作頻率為72 MHz的STM32F103 芯片。STM32 芯片具有512kB的閃存、64 kB 的靜態隨機存取存儲器（static random access memory，SRAM）， 以及144 個引腳和112個輸入/ 輸出（input/output，I/O） 接口[3]， 其強大的數據處理、數據傳輸能力可以使單片機穩定工作。本文選用自由實時操作系統（free real-timeoperating system，FreeRTOS）進行任務調度，其支持ARM 等多種處理器架構，可在多種硬件平臺上運行。FreeRTOS 作為一個輕量級的操作系統，其功能包括任務管理、時間管理、內存管理、記錄等，可以滿足較小系統的需要[4]。

1.2.2 輔控系統

水下仿生探索機器人選用數據手套對機械臂進行控制，使得機械臂可以較好地模擬人的動作。用戶能夠通過攝像頭返回的機械臂實際位置畫面對其進行控制，增強了人機交互性能。

如圖3 所示，數據手套是一種可以捕捉手指彎曲等動作的設備。數據手套利用高精度彎曲傳感器來檢測手指的彎曲程度，將實際手勢轉化為計算機可識別的電信號。然后計算機將這些電信號轉化為機械臂的控制命令，并發送給機械臂，機械臂則根據接收到的命令進行動作。用戶可以通過攝像頭在上位機屏幕上看到機械臂的真實動作。基于攝像頭對真實環境的反饋，用戶無須學習復雜的控制命令或操作界面，只需通過自己的手勢和動作就可以精確控制機械臂。

1.2.3 收集系統

如圖4 所示，水下仿生探索機器人配備的機械臂采用四爪抓取方式，與傳統雙爪抓取方式相比，抓取物品更牢固、精準且穩定。四級舵機設計使機械臂的活動范圍大幅提升，同時增強了抓握力，能夠在水下環境中有效完成探索和操作任務。其配備的大容量儲物倉可裝載各類清理工具和設備，能夠收集水下垃圾，如塑料廢棄物和金屬殘骸，并執行垃圾分類與搬運任務，助力水下環境保護。

儲物倉采用3D 打印技術制成，其設計實現了高度定制化。倉壁經過鏤空處理，上岸后能夠排出水分，確保內部物品干燥和倉內環境清潔。儲物倉還配備了由防水舵機控制的開關門機構，能夠在不同環境下可靠地開關倉門，確保物品的安全存儲與便捷取用。這些設計使儲物倉不僅具備良好的防水性能，還能應對多變的水下與岸上作業環境。

1.2.4 浮力控制與推進系統

為了確保在水下能夠穩定控制姿態和靈活運動，本文在機器人兩側安裝了氣囊裝置，并設置了可調節的配重塊倉庫。機器人可以根據水深和環境變化調節氣囊的充氣量，確保其平均密度與水相近，從而達到零浮力狀態。通過精確調節配重塊倉庫中浮力塊和配重塊的配置，進一步優化浮力和機器人姿態控制，確保機器人在復雜的水下環境中高效移動與精準操作。

推進系統由8 個推進器組成，可實現快速旋轉和變向，提升了機器人的機動性。其中，4 個外側垂直推進器控制機器人垂直方向的浮動，4 個內側水平推進器控制機器人水平方向的移動，機器人最大運動速度可達0.3 m/s。該推進系統有助于提高機器人水下探索效率，特別是在清理水下垃圾時，機器人能迅速改變方向并精確定位，高效完成任務。

1.2.5 視覺系統

為了適應水下光照不足的環境，機器人前置兩個探照燈頭，以提供充足的光源。視覺攝像頭模塊選用OpenMV4，這是一款開源且低成本的機器視覺設備。它具備較大的存儲容量和帶寬，能夠執行復雜算法、存儲大量圖像數據，還支持多種機器視覺算法和深度學習模型[5]。

2 圖像拼接算法實現

在水下探索任務中，實時、直觀地獲取水下圖像信息對用戶了解水下環境至關重要。機器人采集的信息越多、越全面，用戶對水底環境和細節的把握就越充分，因此需要機器人擁有寬廣的圖像視野范圍。為實現這一目標，本文在機器人前方安裝了兩個OpenMV4 攝像頭，分別以45° 角斜向布置，形成廣角拍攝視野，能夠覆蓋更廣闊的水底環境。在上位機方面，通過基于開源計算機視覺庫（opensource computer vision library，OpenCV）的圖像拼接算法，對左右兩個攝像頭采集的兩幅圖像進行特征點提取、匹配，以及圖像拼接等操作，從而生成完整的水底全景圖。圖5 展示了機器人從圖像采集到全景圖拼接的工作流程。

2.1 特征點提取與匹配

尺度不變特征變換（scale-invariant featuretransform，SIFT）算法提取的圖像特征具有尺度和旋轉不變性，適用于存在光照、旋轉及尺度變化的場景。因此，本文采用SIFT 算法提取兩張圖像的關鍵特征點，其主要步驟包括尺度空間極值檢測、關鍵點定位、方向分配和描述子生成。之后采用k 最近鄰（k-nearest neighbors，KNN）算法實現特征點的檢測與匹配。特征點提取與匹配具體過程如下。

首先，SIFT 算法通過尺度空間極值檢測來定位潛在的特征點。尺度空間是通過對圖像進行多次高斯模糊處理來生成不同尺度的圖像金字塔。在每個尺度上，通過計算相鄰尺度間的差異來尋找局部極值點，并將其作為候選的關鍵點。檢測公式如下：

D（x，y，σ）=L（x，y，kσ）-L（x，y，σ）。（ 1）式中，D（x，y，σ）為差分高斯圖像，（x，y）為圖像中像素的坐標，σ為高斯模糊的標準差，k 為常數因子，L（x，y，σ）為在尺度σ 下的高斯模糊圖像。

其次，通過對不同尺度圖像進行差分，尋找圖像中顯著的特征點。利用關鍵點定位對這些特征點進行精確定位，去除邊緣點和不穩定的特征點。為每個特征點分配主方向，以確保旋轉不變性，再通過計算局部區域的梯度方向和幅值來生成描述子，確保特征點的匹配不受旋轉、尺度變化的影響。

最后，使用KNN算法對提取的特征點進行匹配。KNN算法通過比較特征描述子的相似度，找到圖像之間相對應的特征點。初步匹配完成后，采用比率測試來篩選匹配結果，剔除誤匹配點，提高匹配的精度。

2.2 單應性矩陣計算

在獲得特征點的匹配坐標后，基于這些匹配點計算單應性矩陣，該矩陣用于校正兩張圖像之間的視角差異，使其能夠在相同的平面內精確拼接。計算單應性矩陣通常采用隨機抽樣一致性（randomsample consensus，RANSAC）算法，該算法能夠有效排除誤匹配點，從而提高計算的精確度。計算得到單應性矩陣后，利用其對左右圖像進行透視變換，確保兩張圖像在相同的視角下準確對接。

2.3 圖像拼接與優化

在完成特征點匹配和透視變換后，采用圖像縫合技術將圖像進行合成。為了提升拼接圖像的質量，引入了兩種優化方法：第一種是通過選取包圍目標區域最小矩形，裁剪掉圖像中的冗余部分，從而確保拼接區域更加精確；第二種是對于重疊區域，采用結合開方函數和冪函數優點的分段權重函數對這些區域進行加權處理，以消除拼接邊緣的不連續性，提高拼接效果的平滑度，最終完成全景圖像的拼接與優化。

3 結語

水下仿生探索機器人作為一種新型的水下作業設備，具有高效、靈活、適應性強等優點，能夠完成復雜水下環境中的探索任務。隨著科技的不斷進步，水下仿生探索機器人的性能將不斷提高，功能將不斷完善，應用范圍將不斷擴大。然而，其仍然面臨一些挑戰，如水下環境復雜多變、可靠性低和安全性差等。未來的研究需要在仿生推進技術、傳感器技術、智能控制技術、通信技術等方面不斷創新，以提高水下仿生探索機器人的性能和可靠性，為人類水下探索事業做出更大的貢獻。